#### exerccios lista 6

############## Criando dados amostra 1 (a1) e amostra 2 (a2)
a1 = round(rnorm(10, mean=6, sd=3),2)
a2 = round(rnorm(10, mean=7.5, sd=3.2),2)
source("simula.r")
simula(a2, a1, test="bi",nsim=2000) ### 1- Testando se as amostras diferem

dif.uni=simula(a2,a1,test="uni", nsim=2000) ### 2- Testando se a amostra a2  maior que a1
table=(dif.uni)
obs <- sum(dif.uni<-2.1 + dif.uni>2.1)
p.simula.uni=obs/length(dif.uni)
p.simula.uni ### 0.2445
#### 3 testando com Test-T
t.test(a1,a2)### t = -1.328, df = 13.824, p-value = 0.2057
#### Anlise exploratria
vector.dados=c(a1,a2)
vector.obs=1:20
vector.col = rep(1:2, each=10)
plot(vector.obs,vector.dados,ylim=c(0,12),pch=(rep(c(15,16),each=10)),col=vector.col,xlab="Observaes")
for(i in 1:20)
{lines(c(i,i),c(vector.dados[i],mean(vector.dados)),col=1,2)}
#### Quais so as premissas do test, na funo simula e funo t.test
#### Os dados retirados so representativos da populao real. A distribuio dos dados corresponde a 
#### a uma curva normal. As varincias das populaes so homogneas.

############### Dados de caixeta
caixeta <- read.csv("caixeta.csv")
head(caixeta)
ar.bas1 <- pi*((caixeta$cap/(2*pi))^2) ### rea basal por fuste
ar.bas.arv = aggregate(x=ar.bas1, by=list(caixeta$local,caixeta$parcela),header=TRUE, FUN=mean)### rea basal por amostra
ar.bas.arv
colnames(ar.bas.arv) <- c("local", "parcela", "ar.bas.parcela")
#### PLotando os dados em um grfico
boxplot(ar.bas.arv$ar.bas.parcela~ar.bas.arv$local)
#### Calculando valores de uma tabela de ANOVA
ar.bas.m.g = mean(ar.bas.arv$ar.bas.parcela) #### mdia geral=  1043615
dif.geral=(abs(ar.bas.arv$ar.bas.parcela-ar.bas.m.g)) 
dif.geral #### diferena da mdia geral para os dados
round(dif.geral,2)
sum(dif.geral)
Sum.dev.quad = dif.geral^2
Sum.dev.quad
dv.qd.total = sum(Sum.dev.quad)
dv.qd.total ### 537488570
